Encuesta product-market fit: el test del 40% y qué preguntar
La pregunta de Sean Ellis palabra por palabra, la regla del 40% de muy decepcionados, a quién encuestar, cuántas respuestas necesitas y cómo segmentar.
Una encuesta de product-market fit (encaje producto-mercado) mide el porcentaje de usuarios activos que se sentirían "muy decepcionados" si ya no pudieran usar tu producto, y el listón habitual es el 40%. Sean Ellis lo fijó tras ver que las startups con tracción real lo superaban y las que tenían problemas se quedaban por debajo. Trátalo como una heurística, no como una ley, y publícalo siempre con su tamaño de muestra y su margen de error.
Esta guía te da la pregunta exacta, a quién enviarla, cuántas respuestas necesitas para que el número signifique algo, las cuatro preguntas de seguimiento y el método de segmentación que popularizó Superhuman, para que el resultado aguante cuando un inversor o alguien de finanzas empiece a hacer preguntas.
La pregunta de product-market fit de Sean Ellis
Haz una sola pregunta, con estas cuatro respuestas, en este orden, y no cambies la redacción. La pregunta trata de la pérdida, no del agrado: separa a quienes dependen del producto de quienes simplemente lo aprueban. Las preguntas de satisfacción halagan al producto, porque los usuarios educados se declaran satisfechos con herramientas que dejarían mañana.
Mantén fijo el orden de las respuestas (no lo mezcles) y conserva las cuatro opciones. Pasar a una escala de cinco puntos o quitar "Algo decepcionado" rompe la comparación con el listón del 40%, que se observó con este formato.
Cómo calcular la puntuación
La puntuación es el porcentaje de respuestas "Muy decepcionado" entre quienes todavía usan el producto. Quita las respuestas "No aplica" antes de dividir e indica cuántas hubo: un grupo grande de "No aplica" significa que tu lista incluía usuarios que ya se habían ido.
Puntuación PMF = Muy decepcionado ÷ (todas las respuestas − respuestas No aplica) × 100
Un ejemplo ilustrativo con cifras inventadas: responden 180 personas. 12 eligen No aplica, 71 Muy decepcionado, 64 Algo decepcionado y 33 No me decepcionaría. La puntuación es 71 ÷ 168 = 42%.
Qué significa el umbral del 40% y qué no
La línea del 40% es una regla práctica que Sean Ellis extrajo de su trabajo con startups. Según su experiencia, las empresas a las que les costaba crecer casi siempre tenían menos de un 40% de usuarios que respondían "muy decepcionado", y las que tenían una tracción fuerte solían superarlo. Viene de la práctica, no de un estudio publicado, y es un número redondo. De ahí se siguen tres cosas cuando alguien cuestiona tu resultado.
- El número pertenece a un segmento, no a una empresa. Si solo encuestas a entusiastas, superar el 40% es fácil; si encuestas a todos los registrados, no lo es. Indica siempre a quién encuestaste y cómo lo seleccionaste.
- Tiene un margen de error. El 42% anterior sale de 168 respuestas, así que su margen de error al 95% es de unos 7.5 puntos arriba o abajo: el porcentaje real podría estar entre un 35% y un 50%. Ese resultado no demuestra que estés por encima de la línea. Demuestra que estás cerca.
- Es un sentimiento declarado, no un comportamiento. Las cohortes de retención, la frecuencia de uso y el crecimiento orgánico son comportamiento. Presenta la puntuación junto a tus curvas de retención, no en su lugar.
| Tu resultado | Qué sugiere | Qué hacer a continuación |
|---|---|---|
| Por encima del 40%, con todo el margen de error por encima | Tracción fuerte en el grupo encuestado | Busca el segmento donde es más fuerte y concéntrate en él; comprueba que la retención coincide |
| El margen de error incluye el 40% | No concluyente | Reúne más respuestas o acota el segmento antes de decir nada en público |
| Por debajo del 40%, con todo el margen de error por debajo | Todavía no, para este grupo | Segmenta los resultados y estudia a los usuarios que sí respondieron "muy decepcionado" |
| Menos de unas pocas decenas de respuestas | Solo una dirección | Lee las respuestas abiertas como notas de entrevista y no cites un porcentaje |
A quién encuestar
Envía la encuesta solo a personas que hayan usado el núcleo de tu producto más de una vez y hace poco. La recomendación del propio Ellis es encuestar a quienes han probado el núcleo del producto, lo han usado al menos dos veces y lo han usado en las últimas dos semanas. El resto responde a otra pregunta: quien nunca empezó no puede echar de menos lo que no usó, y quien se fue hace meses ya decidió.
Construye la lista con los datos de tu producto y aplica estos filtros:
- Deja fuera a empleados, amigos, inversores y participantes de paneles pagados.
- Deja fuera las cuentas que se registraron pero nunca llegaron a la acción principal (el primer informe enviado, el primer archivo compartido, lo que signifique "usarlo" en tu caso).
- Envíala a todos los usuarios que cumplan los criterios o a una muestra aleatoria de ellos, no a quien lea tu newsletter o escriba en tu canal de comunidad.
- Presenta por separado a usuarios de pago y gratuitos y, en B2B, a los usuarios finales por separado de la persona que compró el producto.
- Pregunta en un momento neutro: no justo después de resolver un ticket de soporte ni justo después de una pantalla de celebración.
Cuántas respuestas necesitas
Unas pocas decenas de respuestas te dan una dirección; para afirmar que estás por encima del 40% necesitas suficientes respuestas como para que el margen de error quede por encima de la línea. La tabla muestra el margen de error al 95% alrededor de un resultado del 40%, con la fórmula estándar para una proporción en una muestra aleatoria simple.
| Respuestas completas | Margen de error alrededor del 40% | Rango plausible |
|---|---|---|
| 30 | unos ±18 puntos | 22% a 58% |
| 50 | unos ±14 puntos | 26% a 54% |
| 100 | unos ±10 puntos | 30% a 50% |
| 200 | unos ±7 puntos | 33% a 47% |
| 400 | unos ±5 puntos | 35% a 45% |
Dicho al revés: un resultado del 50% necesita unas 100 respuestas para quedar claramente por encima del 40%, y uno del 45% necesita unas 400. Si tu base de usuarios activos es pequeña y encuestas a una gran parte de ella, la corrección por población finita estrecha el margen. La calculadora de margen de error cubre ambos casos, y la guía de tamaño de muestra explica la aritmética.
Las preguntas de seguimiento
Haz cuatro preguntas abiertas y cortas después de la principal. Convierten una puntuación en un plan: las dos primeras te dicen quién ama el producto y por qué, la tercera qué frena a la gente y la cuarta contra qué compites de verdad.
| Pregunta de seguimiento | Para qué la usas |
|---|---|
| Beneficio principal | Las palabras con las que tus usuarios más comprometidos describen el valor, que se convierten en el núcleo de tu posicionamiento |
| Tipo de personas que más se beneficiarían | Los usuarios se describen a sí mismos, lo que te da el perfil de tu mejor segmento |
| Cómo mejorar | Lo que impide que los usuarios "algo decepcionados" dependan de ti |
| Qué usarían en su lugar | Tus alternativas reales, que pueden ser una hoja de cálculo, un compañero o nada en absoluto en lugar de un competidor con nombre |
Añade una pregunta de clasificación (rol, tamaño de empresa, caso de uso principal) solo si los datos de tu producto no la tienen ya, y saca el plan, la antigüedad y la frecuencia de uso de tus propios registros en vez de preguntarlos. Haz opcionales las preguntas de seguimiento, porque el texto obligatorio produce relleno, y mantén la encuesta completa por debajo de dos minutos. Si las respuestas sobre mejoras hablan sobre todo del precio, haz una encuesta de precios antes de cambiar nada.
Cómo segmentar los resultados: el método de Superhuman
Lo más útil que puedes hacer con los resultados es encontrar el segmento que ya ama el producto y construir para él. Rahul Vohra, fundador y CEO de Superhuman, describió una forma de hacerlo en cuatro pasos en el artículo de First Round Review "How Superhuman Built an Engine to Find Product/Market Fit".
- Segmenta para encontrar a tus defensores. Lee las respuestas del grupo "muy decepcionado" a "qué tipo de personas se beneficiarían más". Suelen describirse a sí mismos, lo que te da el perfil de tu cliente de altas expectativas (high-expectation customer), una idea de persona que Vohra atribuye a Julie Supan. Recalcula la puntuación solo para los usuarios que encajan con ese perfil. Una puntuación que parece débil en conjunto puede ser mucho más fuerte dentro de un segmento.
- Averigua qué aman los usuarios muy decepcionados. Agrupa sus respuestas sobre el beneficio principal en temas. Los temas principales son lo que debes proteger.
- Averigua qué frena a los algo decepcionados. Lee sus respuestas sobre mejoras, pero solo de quienes mencionan el mismo beneficio principal que aman los muy decepcionados: quieren lo mismo y algo se interpone. Deja a un lado al grupo "no me decepcionaría", porque construir para ellos aleja el producto de quienes ya lo valoran.
- Construye la hoja de ruta y sigue la puntuación. Vohra dividió la hoja de ruta más o menos a la mitad: una mitad para reforzar lo que los usuarios aman y la otra para eliminar lo que frena a los algo decepcionados. Repite la encuesta con regularidad con los usuarios que han pasado a cumplir los criterios y sigue la puntuación del segmento objetivo.
| Grupo | Respuestas que leer | Para qué |
|---|---|---|
| Muy decepcionado | Beneficio principal, tipo de persona | Definir el segmento objetivo y proteger lo que ama |
| Algo decepcionado, mismo beneficio principal | Cómo mejorar | Corregir lo que les impide depender de ti |
| Algo decepcionado, otro beneficio principal | Lectura rápida | Anotar una necesidad distinta; no perseguirla todavía |
| No me decepcionaría | Lectura rápida | Vigilar temas recurrentes; no planificar en torno a ellos |
Presenta cada segmento con su número de respuestas. En un segmento de 15 respuestas, que una persona cambie de opinión mueve la puntuación casi 7 puntos, así que lee los segmentos pequeños como pistas. Para agrupar las respuestas abiertas en temas de la misma forma en cada ronda, usa un libro de códigos; el método está en cómo analizar respuestas abiertas.
Errores comunes
- Encuestar a toda la lista de correo. Filtra a usuarios recientes y recurrentes del núcleo del producto antes de enviar.
- Cambiar la redacción de la pregunta o de las respuestas. Usa la redacción exacta o la comparación con el 40% deja de valer.
- Citar un porcentaje sacado de 25 respuestas. Indica el número de respuestas y el margen de error, o solo la dirección.
- Una puntuación mezclada para usuarios muy distintos. Segmenta por rol, caso de uso y plan antes de concluir nada.
- Construir la hoja de ruta en torno a los usuarios "no me decepcionaría". Sus peticiones llevan el producto hacia gente que no lo necesita.
- Una introducción que pide elogios ("Ayúdanos a demostrar cuánto nos quieres"). Usa una introducción neutra y ningún incentivo que atraiga a quien no usa el producto.
- Tratar la puntuación como el objetivo. Acompáñala de cohortes de retención; si la retención no se estabiliza, una puntuación alta no basta.
Cómo hacerlo en Claform
Crea la pregunta principal como una pregunta de opción única con las cuatro respuestas en el orden de arriba y sin mezclar, y añade las cuatro preguntas de seguimiento como preguntas de texto corto opcionales. Para llegar solo a usuarios activos, muestra la encuesta dentro de tu producto con el widget web o uno de los SDK móviles, segmentada por evento, pantalla o atributo de usuario, o envíala por correo a una lista que hayas filtrado con los datos de tu producto. La vista de resultados muestra el porcentaje de cada respuesta, y Clue AI agrupa las respuestas abiertas en temas con recuentos. En Professional y planes superiores, la comparación por pregunta del AI Analyst divide cada medida según una pregunta, como el rol o el caso de uso, y oculta los grupos con menos de diez respuestas, lo que cubre el paso de segmentación anterior. Consulta encuestas para equipos de producto y el AI Analyst.
Preguntas frecuentes
¿Cuál es una buena puntuación en una encuesta de product-market fit?
La referencia habitual es que el 40% o más de los usuarios activos responda "muy decepcionado" a la pregunta de Sean Ellis. Es una heurística del trabajo de Ellis con startups, no un corte estadístico, así que un 38% en un segmento concreto con una retención que se estabiliza puede ser más sano que un 45% de un grupo de fans elegido a mano. Publícala con el tamaño de muestra y el margen de error.
¿Cuántas respuestas necesitas para una encuesta de product-market fit?
Unas pocas decenas de respuestas muestran la dirección, pero el margen de error es amplio: con 50 respuestas y un resultado del 40% es de unos 14 puntos arriba o abajo. Para demostrar con confianza que superas el 40%, necesitas unas 100 respuestas con un resultado del 50% y unas 400 con un resultado del 45%. Cada segmento que presentes necesita su propio recuento.
¿A quién hay que enviar una encuesta de product-market fit?
A usuarios activos que hayan usado el núcleo del producto al menos dos veces y hace poco; Sean Ellis sugiere dentro de las últimas dos semanas. Deja fuera a quienes se registraron y nunca lo activaron, a antiguos clientes, a empleados y a amigos. Envíala a todos los usuarios que cumplan los criterios o a una muestra aleatoria, y presenta por separado a usuarios de pago y gratuitos.
¿Cada cuánto conviene repetir el test de Sean Ellis?
Hazlo cuando una decisión lo requiera, como antes de un ciclo de hoja de ruta o de una ronda de financiación, y luego con un calendario fijo, trimestral para la mayoría de los equipos, para seguir la tendencia de tu segmento objetivo. En cada ronda, encuesta a los usuarios que pasaron a cumplir los criterios desde la anterior en lugar de a las mismas personas, para que las respuestas previas no condicionen las nuevas.
¿La encuesta de product-market fit es lo mismo que el NPS?
No. El NPS pregunta con qué probabilidad te recomendarían en una escala de 0 a 10 y suele enviarse a todos los clientes para seguir la lealtad. La pregunta de Sean Ellis pregunta a usuarios activos cuánto les decepcionaría perder el producto, para juzgar si se ha vuelto imprescindible. Puedes hacer ambas, en encuestas separadas; la guía de NPS cubre la otra.